《Journal of Food Engineering》：A high-throughput cost-effective platform for monitoring viscoelastic transitions in hydrocolloids
编辑推荐：
本文推荐一项创新性研究：为解决传统流变学方法在快速、高通量筛选水胶体配方时存在的速度慢、样品量大、成本高的瓶颈问题，研究人员开发了一种结合深度学习目标检测的动态成像平台。该平台通过追踪振荡条件下的金属小球运动，成功地定量监测了多种代表性水胶体（明胶、κ-卡拉胶、CMC、葡萄糖浆）的凝胶化和粘弹性演变，其结果与振荡流变学数据高度吻合，为实现数据驱动的食品软材料配方筛选与工艺优化提供了高效、可扩展的新方法。
在追求更健康、更可持续食品的浪潮中，水胶体（如明胶、卡拉胶等）作为关键的质构改良剂，其作用日益凸显。无论是打造顺滑的酸奶、Q弹的果冻，还是稳定的酱料，背后都离不开水胶体形成的三维网络结构来赋予产品独特的粘稠度或凝胶质地。传统上，科学家们依赖精密的流变仪，通过测量储能模量（G′）和损耗模量（G″）来精确量化这些材料的机械性能，从而判断其何时从粘性流体转变为弹性凝胶。然而，这项“金标准”技术却有一个难以忽视的短板：它速度慢、样品需求量大、成本高昂，就像一个精细但笨重的“绣花针”，在需要探索广阔配方空间的现代食品研发面前显得力不从心。这成为了阻碍创新的主要瓶颈。于是，一个引人深思的问题浮现出来：我们能否设计出一种方法，既能快速、低成本地并行评估成百上千个样品，又能有效捕捉关键的粘弹性转变，为数据驱动的高效配方筛选铺平道路？
发表在《Journal of Food Engineering》上的这项研究，正是为了回应这一挑战。由来自哥本哈根大学食品科学系的Adar Fridman、Serafim Bakalis、Raghavendra Selvan和Remko M. Boom组成的研究团队，提出了一种巧妙而实用的解决方案。他们开发了一个高产量、低成本的成像平台，利用简单的实验室设备，结合深度学习技术，实现了对水胶体粘弹性转变的动态、并行监测。该平台的核心原理直白而优雅：将装载着不同浓度水胶体样品和一颗金属小球的96孔板，置于一个温度可控的振荡平台上。随着平台摇动，摄像机记录下每个孔中小球的运动轨迹。研究团队假设，小球在受控振荡下的运动性反映了周围介质粘度（viscosity）和弹性（elasticity）的演变。简单来说，样品越粘稠或弹性越强，小球就越难动。通过基于深度学习的物体检测算法追踪小球，并计算其平均速度，研究者们便将直观的视频信息转化为了可定量的“运动性”指标，以此作为粘弹性行为的代理。
为了验证这一平台的普适性和准确性，研究团队精心选择了四个在流变学行为上具有代表性的系统作为测试集：呈现热可逆凝胶化的明胶（gelatin）、作为牛顿流体参考的葡萄糖浆（glucose syrup）、仅表现为缠绕增稠而不凝胶的羧甲基纤维素钠（carboxymethyl cellulose, CMC），以及受钾离子（K+）浓度影响发生凝胶化的κ-卡拉胶（κ-carrageenan）。这些材料涵盖了从简单牛顿流体到非牛顿流体，再到热可逆和离子诱导凝胶化的广泛行为，为方法的验证提供了全面的基准。
研究人员开展这项研究，主要运用了以下几个关键技术方法：1. 高通量样品制备与实验平台搭建：使用96孔板创建每种材料的浓度梯度，每个孔中预先放入一个直径3毫米的金属小球作为探针。将孔板置于可编程控温的振荡平台（ThermoMixer?）上，在60°C至5°C的降温及复温循环中，于每个温度阶梯记录10秒视频。2. 基于深度学习的图像处理与分析：利用YOLOv8（一种目标检测算法）模型对视频帧进行自动分析，首先识别孔板四角的标记点以校正图像位置，随后检测并追踪每个孔中小球的质心坐标。3. 数据量化与可视化：将小球像素位移转换为物理位移，计算其平均速度作为“运动性”的量化指标，用于反映样品的粘弹性状态。通过比较不同浓度、温度、离子强度下的运动性变化，并结合支持向量机（Support Vector Machine, SVM）分类器，构建凝胶化相图。4. 传统流变学验证：使用旋转流变仪（HR-2 hybrid rheometer）在相同条件下对部分代表性样品进行振荡温度扫描和频率/应变扫描，以传统方法测得的G′和G″作为“金标准”，验证小球追踪方法的准确性。
研究结果部分，通过一系列清晰的图表和数据，系统地展示了该平台对各种水胶体体系关键转变的捕捉能力。
在 “3.1. 明胶” 部分，研究清晰地展示了明胶的典型行为。小球速度随着明胶浓度增加而降低，并在较低温度下出现急剧下降直至完全停止，这标志了凝胶化的发生。例如，在5°C时，小球速度在0%到1%明胶之间陡降至零；而在20°C时，完全固定需要超过3.5%的浓度，这反映了明胶凝胶化对温度的依赖性。通过对比冷却（溶胶-凝胶）和复温（凝胶-溶胶）循环，研究成功捕捉到了明胶凝胶中存在的热滞后现象（hysteresis），即凝胶在复温过程中比在冷却过程中更“顽固”，需要更高的温度才能完全熔化，这归因于网络形成与熔解动力学的差异。最后，通过将小球运动数据（以完全固定作为凝胶点）与传统流变学定义的凝胶点（G′ = G″）进行对比，并使用支持向量机绘制相图，两者显示出高度一致性，有力验证了新方法的可靠性。
在 “3.2. 葡萄糖浆、羧甲基纤维素和κ-卡拉胶” 部分，研究进一步验证了平台区分不同流变行为的能力。
- •
葡萄糖浆：作为一种牛顿流体（Newtonian fluid），其小球速度随浓度增加而平缓下降，没有出现突变的凝胶化拐点。冷却与复温曲线几乎完全重合，无热滞后，这符合牛顿流体特性。
- •
羧甲基纤维素：作为一种非凝胶的增稠剂，其小球速度在低浓度区域（0-0.5%）迅速下降，这对应于聚合物链达到并超过重叠浓度（c*）时发生的缠绕（entanglement）效应。整个过程没有观察到凝胶化特有的突变，且冷却-复温曲线重叠，同样没有滞后现象。
- •
κ-卡拉胶 – KCl混合物：这部分研究深入探讨了离子诱导凝胶化。结果显示，增加KCl浓度会降低触发完全小球固定所需的卡拉胶浓度，表明盐分促进了凝胶网络形成。有趣的是，在中等KCl浓度（0.01-0.05 M）下，凝胶化在最低的卡拉胶浓度（~0.2%）下即可发生，表现出一个“最优窗口”。然而，当KCl浓度过高（如0.5 M）时，在较低卡拉胶浓度下，小球运动反而更剧烈且数据变异增大，这与高离子强度下发生的脱水收缩（syneresis，即凝胶析水）现象一致，导致样品不均一。流变学验证结果支持了这一观察，显示中等盐浓度下形成的凝胶模量最高，而过高盐浓度下网络强度减弱。
在 “4. 讨论” 与 “5. 结论” 部分，作者总结了该平台的价值、局限性与前景。研究表明，这种基于小球位移追踪和计算机视觉的高通量平台，能够可靠地区分溶胶-凝胶转变、粘度驱动的固定以及相分离等多种行为，成功绘制了多种水胶体体系受温度、离子强度和浓度影响的相图，其结果与传统流变学数据和文献报道高度一致。该方法的优势在于其高通量、低成本、所需样品量极小，并且能够动态、并行地监测粘弹性演变过程，这是许多现有高通量静态终点测定方法所不具备的。当然，该方法也存在一些局限，例如高浊度样品可能影响小球检测，温度控制精度（10°C间隔）限制了相图边界的精确度，且目前仅适用于可移液的液体或半液体样品。
重要的是，作者强调，该平台并非旨在取代传统的流变学表征。相反，它扮演着一个强大的“侦察兵”角色——作为一种快速的筛选工具，用于从庞大的配方空间中快速缩小范围，找出最有潜力的候选配方，然后再交由传统流变仪进行深入、细致的机理分析。因此，它与现有技术形成了宝贵的互补关系。
总而言之，这项研究开发并验证了一个创新性的高通量筛选平台，为食品及更广泛的软材料（如生物医学水凝胶、化妆品）领域的数据驱动配方开发与工艺优化，提供了一个极具潜力的、可扩展的实用解决方案。它通过将复杂的粘弹性问题转化为可视觉追踪和定量分析的小球运动，巧妙地在通量、成本与信息量之间取得了平衡，有望显著加速未来新产品的研发进程。
